Le cancer du sein est le cancer le plus fréquemment diagnostiqué chez les femmes américaines — mais les écarts dans les soins sont importants. La majorité des femmes de plus de 40 ans omettent le dépistage annuel recommandé. Les radiologues examinent plus de mammographies avec moins de collègues. Et lorsqu’un diagnostic est établi, les tests permettant de déterminer le traitement mettent des semaines à donner des résultats.
Les entreprises participantes au programme NVIDIA Inception pour les startups développent des applications d’IA afin de soutenir les cliniciens à chaque point de friction, notamment en matière d’imagerie, d’évaluation des risques et de planification du traitement.
Environ 40 millions de mammographies sont effectuées aux États-Unis chaque année, mais une pénurie prévue de dizaines de milliers de radiologues au cours de la prochaine décennie alourdit la capacité du système à les interpréter.
À l’autre extrémité de la chaîne de soins, les décisions thérapeutiques dépendent souvent des tests génomiques envoyés dans des laboratoires externes – des tests qui nécessitent plusieurs semaines pour être traités, à un moment où vitesse et certitude sont primordiales.
Les entreprises suivantes couvrent les deux extrémités de cette lacune, ainsi que tout ce qui se trouve entre elles, accélées par l’infrastructure AI de NVIDIA.
L’imagerie automatisée offre des insights alimentés par l’IA
Pour les femmes qui ont du mal à trouver du temps ou un endroit proche pour le dépistage du cancer du sein, l’accès constitue une barrière pratique qui entraîne des diagnostics manqués. L’entreprise iSono Health, issue de NVIDIA Inception, a été créée afin de simplifier ce processus d’imagerie.
La plateforme ATUSA, approuvée par la FDA, de l’entreprise – un système d’ultrasonographie quantitative en 3D portable et automatisé – permet d’obtenir un volume mammaire standardisé en environ deux minutes par seule mère, contre jusqu’à 45 minutes pour une ultrasonographie manuelle conventionnelle.
L’IA du système, entraînée sur des milliers de scans complets du sein comprenant plus de 1,5 million de frames d’imagerie par ultrason, automatise l’acquisition des images. Elle utilise l’accélération par GPU NVIDIA et la technologie médicale d’imagerie ouverte open source pour fournir une scan en 3D dont l’entreprise affirme qu’elle est 28 % plus sensible qu’un ultrason 2D portable.
L’échographie portable dépend de la personne qui tient la sonde, ainsi les images obtenues par une femme ne peuvent généralement pas être comparées d’une année à l’autre. ATUSA capture le tout du sein de manière identique chaque fois, offrant une vue reproductible du tissu mammaire qui peut aider les cliniciens à analyser les changements du tissu du patient entre différents examens, tout en réduisant les erreurs et les variations de l’opérateur.
atusa est disponible commercialement via des cliniques partenaires dans l’ensemble de la Californie, le Texas, la Géorgie, le Tennessee et Washington D.C., avec de nouveaux sites qui sont régulièrement mis en ligne.
« Amener l’imagerie plus près du patient est la première avancée », a déclaré Neda Razavi, PDG de iSono Health. « Notre objectif est de rendre cette imagerie de plus en plus informative : aider les cliniciens à voir ce qui se trouve, comprendre ce qui a changé et prendre des décisions plus éclairées. »
iSono Health a développé des capacités d’IA pour la détection de lésions, la segmentation en 3D et la classification des lésions. Elle prévoit ensuite d’étendre son pipeline d’IA à une intelligence diagnostique multimodale couvrant l’échographie en 3D, la mammographie, l’IRM et les informations cliniques.
L’entreprise mène une étude clinique à plusieurs centres avec 3 200 patients, afin de valider davantage les performances de la plateforme. Les sites de recherche principaux se trouvent à l’UC Davis et au Centre médical de l’université Vanderbilt.
Détection des cancers, réduction des alarmes fausses
Une autre entreprise NVIDIA Inception, Whiterabbit.ai, développe des technologies d’IA pour le dépistage du cancer du sein. Son logiciel WRDensity, approuvé par la FDA, évalue automatiquement la densité mammaire à partir des mammographies et a été utilisé dans le soin de centaines de milliers de patients.
L’entreprise a également développé WRRisk, un logiciel de soutien à la décision clinique permettant d’estimer le risque à long terme des patients de développer un cancer du sein – et elle recherche une nouvelle génération d’IA pour la mammographie, qui pourrait aider les radiologues à détecter plus de cancers, tout en automatisant le dépistage des mammographies négatives au niveau du cancer du sein.
L’objectif est de réduire la charge sur le personnel de radiologie épuisé, accélérer les résultats et diminuer les appels aux soins inutiles pour les patients, ainsi que de faire baisser les coûts de soins de santé ultérieurs.
« Chaque jour, les radiologues du sein sont confrontés au problème de la recherche dans un tas de foin, essayant de détecter environ un cancer sur 200 mammographies », a déclaré Jason Su, cofondateur et directeur technique de Whiterabbit.ai. « Nous espérons que l’IA peut être un allié puissant pour les radiologues, aidant à éliminer le désordre afin qu’ils puissent se concentrer sur leurs compétences les plus importantes. »
Whiterabbit entraîne ses modèles d’IA sur un cluster de GPU NVIDIA situé à l’université de Washington à St. Louis, complété par des capacités de GPU en ligne. L’inférence se déroule sur des GPU NVIDIA déployés directement dans les cliniques.
Prédire quels traitements fonctionneront
Lorsqu’un patient est diagnostiqué avec un cancer du sein, la question suivante est : que faire ? La réponse dépend de l’anticipation de la réaction du cancer au traitement.
Aujourd’hui, ces prédictions sont limitées en termes de portée et d’exactitude, et nécessitent souvent une biopsie tissulaire distincte avec une attente de deux à quatre semaines. Ataraxis AI développe une intelligence clinique qui prédit les résultats des patients et leur réponse aux différentes thérapies, en utilisant des données numériques, y compris les épreuves pathologiques qui font déjà partie du diagnostic standard des patients.
« Les outils auxquels les oncologues ont recours aujourd’hui pour guider les décisions thérapeutiques ont été formés une seule fois, il y a quinze ans, et ne sont jamais mis à jour. Nos modèles deviennent de plus en plus puissants chaque fois que nous acquérons davantage de données provenant de essais cliniques », a déclaré Joseph Cappadona, membre du personnel technique chez Ataraxis AI. « Mais au fur et à mesure que nos modèles s’agrandissent, l’important est de pouvoir répondre à davantage de questions afin d’aider les oncologues à personnaliser les traitements pour tous les types de cancers. »
Les modèles d’IA d’Ataraxis analysent les diapositives de pathologie numérique et les variables cliniques standard afin de prédire la réponse au traitement et le risque de récidive. Un modèle prévoit si la chimiothérapie préopératoire peut réduire le tumeur du patient jusqu’à un niveau de réponse avant l’intervention chirurgicale. Après l’opération, un autre modèle estime le risque de récidive sur cinq ans pour le patient et les bénéfices probables de la chimiothérapie comme étape suivante.
Les deux modèles ont été validés dans plus de 10 établissements et à travers plusieurs essais cliniques, et sont actuellement utilisés en clinique. Ils fonctionnent sur des GPU NVIDIA, que ce soit sur site, dans un centre de données hors site ou dans le cloud – en utilisant PyTorch accéléré par NVIDIA CUDA.
Fournir des informations sur les tumeurs grâce à la visualisation en 3D
Une autre entreprise NVIDIA Inception, SimBioSys, a rejoint NVIDIA lors d’un panel récent marquant le Mois de la Sensibilisation au Cancer du Sein.
L’entreprise développe une technologie de médecine précise alimentée par l’IA qui crée des modèles 3D précis des tumeurs mammaires, des veines et d’autres tissus mous, fournissant des informations importantes pour guider les interventions chirurgicales et influencer les plans de traitement. Elle a également créé un outil permettant d’estimer le risque de récurrence du cancer du sein à partir des données volumétriques 3D issues de l’IRM mammaire du patient, de la pathologie tumorale et des données cliniques.
« Nous construisons une plateforme qui nous permet maintenant d’intégrer des données multimodales – examens d’imagerie, résultats de pathologie, tests génomiques si applicable, ainsi que d’autres données biologiques – et, grâce à l’IA, de les combiner toutes ensemble », a déclaré Stacey Stevens, PDG de SimBioSys, lors de l’événement. « Lorsque nous faisons cela, cela génère de nouvelles informations qui dépassent ce que nous avions obtenu de chaque élément individuel. »
SimBioSys utilise NVIDIA MONAI pour les données d’entraînement et de validation, ainsi que les bibliothèques NVIDIA CUDA-X, y compris cuBLAS et MONAI Deploy, pour sa technologie d’imagerie, qui fonctionne sur des GPU NVIDIA en cloud.
« La technologie NVIDIA nous permet de disposer de la puissance de calcul nécessaire pour prendre des centaines ou des milliers d’images, appliquer notre IA et les analyser rapidement », a déclaré Stevens. « Cette vitesse est importante, car les patients et les médecins ont besoin de réponses rapides. Ils ne peuvent pas se permettre d’attendre des jours ou des semaines. »
Apprenez plus sur leNVIDIA Inception programme pour les startups.
Certaines technologies décrites dans cet article sont en phase de recherche et n’ont pas été approuvées par la FDA américaine pour un usage commercial.